开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第4天，点击查看活动详情 python做爬虫时会遇到数据提取，数据提取的方式也有很多，从今天开始连续更新一些python爬虫中经常用的几种数据提取方式，今天首先分享一下re，也就是正则表达式
1.什么是正则表达式？
正则就是特定的规则对数据进行过滤，拿到我们想要的数据。在python中爬虫提取数据时re是万能的，所有的数据都可以使用re进行提取。
python正则表达式的使用要借助re模块，安装方法：pip install re
2.正则表达式语法规则
3.举例说明 取出字符串中的整数：
str1 = "num12name2age15title666"
re.findall("\d",str1)
#print结果为：["12","2","15","666"]
4.常见的使用方法
#从头找一个 re.match（）
#找一个 re.search（）
#找所有 re.findall（）
#替换 re.sub（）
#编译 re.compile（）
5.python中原始字符串r的用法
原始字符串定义(raw string)：所有的字符串都是直接按照字面的意思来使用，没有转义特殊或不能打印的字符，原始字符串往往针对特殊字符而言。例如"\n"的原始字符串就是"\n",如果提取的数据中有""要在双引号前面加上r转译
6.匹配中文
在某些情况下，我们想匹配文本中的汉字，有一点需要注意的是，中文的 unicode 编码范围 主要在 [u4e00-u9fa5]，这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。假设现在想把字符串 title = u'你好，hello，世界' 中的中文提取出来，可以这么做：
# 注意点: 中文匹配 需要设置unicode字符才可以匹配
title = u'你好，hello，世界'
pattern = re.compile(ur'[\u4e00-\u9fa5]+')
result = pattern.findall(title)
print result
7.万能表达式：
正则表达式内容很多，记不住怎么办？分享一个万能正则表达式，爬虫中用到re的时候可以使用，适用百分之90以上的数据提取，举个例子：
<h3 class="product-title">
<a href="//chaoshi.detail.tmall.com/item.htm?id=563432946975&rewcatid=51456012" target="_blank"
atpanel="40,563432946975,50012392,919380521,spu,1,spu,">
【<span class=H>进口</span>】荷兰荷高有机奶全脂<span class=H>纯</span><span class=H>牛奶</span>整箱1L*6盒装送礼礼盒
</a>
</h3>
<div class="item-summary">
<div class="item-sum">
<span>总销量:</span>
<strong>14233</strong>
</div>"
如何提取出总销量呢？
2. 将需要的数据替换成(.*?)
re.findall("<strong>(.*?)</strong>")
8.遇到字符串中带（）怎么办？
提取的数据中可能带有圆括号，正则表达式是无法获取到的，这个时候只需要将圆括号放入中括号中，举个例子：
# 提取出字符串中的列表
re.findall("windoes__[(]"data":"(.*?)[)])
re正则表达式的分享就到这里，后续会更新一些其他的数据提取方法。
